59
und entsprechend in ihren Angeboten zu veran-
kern. Die Voraussetzungen sind somit geschaf-
fen, um Applikationen, die regional aufgesetzt
sind und global verteilt laufen sollen, gemäß
den lokalen Regularien zu betreiben. Neben der
legalen Klarstellung untermauert auch das
meist sehr gute Abschneiden von Cloud-Anbie-
tern in Due-Diligence-Verfahren das Vertrauen
der Anwender.
Das Eis ist also in vielen Fällen gebrochen. In-
zwischen fahren sogar immer mehr Finanzver-
antwortliche eine Cloud-First-Strategie, weil sie
darin ihre Chance sehen, mit der schnellen
Technologieentwicklung mitzuhalten: Komplexe
Lösungen, die intern schwer zu realisieren sind,
werden als Managed Service in der Cloud pro-
blemlos verfügbar, inklusive professionellem
Support durch die IT-Experten des Cloud-An-
bieters. Darüber hinaus entfallen dank der
Cloud-typischen Bezahlmodelle, bei denen
meist nach reiner Nutzung bepreist wird, auch
die hohen Anfangsinvestitionen für die An-
schaffung von Lizenzen. Die Invest-Schwelle
zum Austesten neuer Anwendungen sinkt, und
auch einzelne Fachbereiche wie die Finanzab-
teilung können mit überschaubarem Aufwand
den Nutzen technologischer und fachlicher In-
novationen in der Praxis prüfen. Rechenleistung
und Speicherlast sind dabei einfach skalierbar
und können nach Bedarf temporär gebucht
werden. Das bringt Agilität auf sicherer Projekt-
grundlage. Gerade im Controlling, das aufgrund
steigender und wechselnder Anforderungen an
das Berichtswesen immer effizienter und flexi-
bler werden muss, will man wegen dieser Vor-
teile zunehmend auf die Cloud setzen.
Machine Learning automatisiert
den Finanzbereich
In Controlling und Finanzwesen hatte man es
bis dato vornehmlich mit stark strukturierten
Analyse-Szenarien und standardisierten Kenn-
zahlen zu tun. Die klassischen BI-Technologien
mit ihren hierarchischen OLAP-Datenmodellen
sind genau dafür gemacht und nach wie vor
eine gute Wahl für zahlreiche Anwendungsfälle.
Die Anforderungen an die Berichtsumgebungen
werden jedoch immer komplexer und fordern
zunehmend Flexibilität in der Datenarbeit. Nicht
jede sich ergebende Fragestellung kann zur
Abfrage als strukturierte Regel in einer Daten-
bank hinterlegt, nicht jeder Sonderfall vorab be-
dacht werden. Die gewünschte Flexibilität
bringt nun die moderne AI (Artificial Intelli-
gence) mit ihren Methoden des „Machine Lear-
Abb. 1: ML-System
CM Juli / August 2019
